母体の特徴と病歴から妊娠低年齢新生児を予測するための競合リスクモデル

Competing-risks model for prediction of small-for-gestational-age neonate from maternal characteristics and medical history.

• I Papastefanou
• D Wright
• K H Nicolaides

抄録

背景:

監視の強化を必要とする妊娠低年齢児（SGA）新生児を出産するリスクの高い女性群を特定する確立された方法は、母体の人口統計学的特徴と病歴に基づくリスクスコアリングシステムを使用することである。このアプローチは比較的簡単に実行できるが、患者固有のリスクを提供するものではなく、SGAを予測する上では不確かな性能を有している。SGA新生児の分娩を予測するもう一つのアプローチは、母親の因子と第1期のバイオマーカーを組み合わせたロジスティック回帰モデルを使用することである。これらのモデルは、出産時の出生体重パーセンタイルと妊娠年齢（GA）の異なる事前に指定されたカットオフに対して、患者固有のリスクを提供する。

BACKGROUND: The established method of identifying a group of women at high risk of delivering a small-for-gestational-age (SGA) neonate, requiring increased surveillance, is use of risk scoring systems based on maternal demographic characteristics and medical history. Although this approach is relatively simple to perform, it does not provide patient-specific risks and has an uncertain performance in predicting SGA. Another approach to predict delivery of a SGA neonate is to use logistic regression models that combine maternal factors with first-trimester biomarkers. These models provide patient-specific risks for different prespecified cut-offs of birth-weight percentile and gestational age (GA) at delivery.

目的:

第一に，母体の人口統計学的特徴と病歴に基づいて，出産時のGAと出生時体重Zスコアを連続変数として扱うSGA予測のための競合リスクモデルを開発した．第二に，新モデルのSGA新生児に対する予測性能を従来法と比較した．

OBJECTIVES: First, to develop a competing-risks model for prediction of SGA based on maternal demographic characteristics and medical history, in which GA at the time of delivery and birth-weight Z-score are treated as continuous variables. Second, to compare the predictive performance of the new model for SGA neonates to that of previous methods.

方法:

これは、妊娠11+0週齢から13+6週齢でルーチンの超音波検査を受けた単胎妊娠の女性124443人を対象としたプロスペクティブ観察研究である。データセットは、トレーニングデータセットとテストデータセットにランダムに分割した。トレーニングデータセットは、母体の特徴と病歴の変数から、出産時のGAと出生体重Zスコアの共同分布のモデルを開発するために使用されました。出産時GAと出生時体重Zスコアの患者固有の合同ガウス分布により、異なる出生時体重パーセンタイルとGAの観点から定義されたSGAのリスク計算が可能となった。次に、スクリーニングの性能を評価するために、この新しいモデルを試験データセットで検証し、その予測性能を、異なるSGAの定義に対するロジスティック回帰モデルと比較した。

METHODS: This was a prospective observational study in 124 443 women with singleton pregnancy undergoing routine ultrasound examination at 11 + 0 to 13 + 6 weeks' gestation. The dataset was divided randomly into a training and a test dataset. The training dataset was used to develop a model for the joint distribution of GA at delivery and birth-weight Z-score from variables of maternal characteristics and medical history. This patient-specific joint Gaussian distribution of GA at delivery and birth-weight Z-score allows risk calculation for SGA defined in terms of different birth-weight percentiles and GA. The new model was then validated in the test dataset to assess performance of screening and we compared its predictive performance to that of logistic regression models for different SGA definitions.

結果:

新しいモデルでは、出産時GAと出生時体重Zスコアの共同ガウス分布は、出産時GAと出生時体重Zスコアの値が低い方にシフトしており、その結果、母体の体重と身長が低いこと、黒人、東アジア人、南アジア人、および混合人種出身であること、慢性高血圧症、糖尿病と全身性エリテマトーデスおよび/または抗リン脂質症候群の病歴があること、体外受精による受胎および喫煙によって、SGAのリスクが増加している。妊婦において、SGAのリスクを増加させる最後の妊娠からの変数は、子癇前症または死産の既往、出生体重Zスコアの減少、最後の妊娠の分娩時のGAの減少、および妊娠間隔0.5年未満であった。試験データセットでは、10%の偽陽性率で、新しいモデルは、妊娠42週未満、37週未満、34週未満、30週未満で分娩された出生体重が10パーセンタイル未満のSGA新生児の症例の30.1%、32.1%、32.2%、37.8%を予測し、これらは一連のロジスティック回帰モデルで達成されたそれぞれの値と同等かそれ以上の値でした。校正研究では、予測されたリスクと観察されたSGAの発生率との間で、トレーニングデータとテストデータの両方で良好な一致が示されました。

RESULTS: In the new model, the joint Gaussian distribution of GA at delivery and birth-weight Z-score is shifted to lower GA at delivery and birth-weight Z-score values, resulting in an increased risk for SGA, by lower maternal weight and height, black, East Asian, South Asian and mixed racial origin, medical history of chronic hypertension, diabetes mellitus and systemic lupus erythematosus and/or antiphospholipid syndrome, conception by in-vitro fertilization and smoking. In parous women, variables from the last pregnancy that increased the risk for SGA were history of pre-eclampsia or stillbirth, decreasing birth-weight Z-score and decreasing GA at delivery of the last pregnancy and interpregnancy interval < 0.5 years. In the test dataset, at a false-positive rate of 10%, the new model predicted 30.1%, 32.1%, 32.2% and 37.8% of cases of a SGA neonate with birth weight < 10 percentile delivered at < 42, < 37, < 34 and < 30 weeks' gestation, respectively, which were similar or higher than the respective values achieved by a series of logistic regression models. The calibration study demonstrated good agreement between the predicted risks and the observed incidence of SGA in both the training and test datasets.

結論:

CONCLUSIONS: A new competing-risks model, based on maternal characteristics and medical history, provides estimation of patient-specific risks for SGA in which GA at delivery and birth-weight Z-score are treated as continuous variables. Such estimation of the a-priori risk for SGA is an essential first step in the use of Bayes' theorem to combine maternal factors with biomarkers for the continuing development of more effective methods of screening for SGA. Copyright © 2020 ISUOG. Published by John Wiley & Sons Ltd.

Copyright © 2020 ISUOG. Published by John Wiley & Sons Ltd.